A temperatura facial pode prever doenças cardíacas com maior precisão do que os métodos actuais

Em um estudo recente publicado no periódico BMJ Health & Care Informatics, pesquisadores avaliaram a viabilidade do uso da termografia infravermelha facial (IRT) para prever doenças coronárias (DCC).

A cardiopatia congênita (CC) é uma das principais causas de morte e tem um impacto global significativo. O diagnóstico preciso da CC é importante para o cuidado e o tratamento. Atualmente, ferramentas de avaliação de probabilidade pré-teste (PTP) são utilizadas para determinar a probabilidade de CC em pacientes. No entanto, essas ferramentas apresentam problemas de subjetividade, generalização limitada e precisão moderada.

Embora testes cardiovasculares adicionais (escore de cálcio da artéria coronária e eletrocardiografia) ou modelos clínicos sofisticados que integram marcadores laboratoriais e fatores de risco adicionais possam melhorar a estimativa de probabilidade, há problemas relacionados à eficiência do tempo, complexidade do procedimento e disponibilidade limitada.

A IRT, uma tecnologia de detecção de temperatura de superfície sem contato, apresenta resultados promissores na avaliação de doenças. Ela pode detectar inflamação e fluxo sanguíneo anormal a partir de padrões de temperatura da pele. Estudos mostram associações entre as informações da IRT e doenças cardiovasculares ateroscleróticas e condições relacionadas.

Neste estudo, os pesquisadores avaliaram a viabilidade do uso de dados de temperatura facial por TRI para prever DAC. Adultos submetidos à angiotomografia coronária (ATC) ou angiografia coronária invasiva (ACI) foram incluídos no estudo. Profissionais treinados obtiveram dados basais e realizaram aquisições de TRI antes da ATC ou ACI.

Prontuários médicos eletrônicos foram utilizados para obter informações adicionais, incluindo bioquímica sanguínea, histórico clínico, fatores de risco e resultados de exames de DAC. Uma imagem de TRI por participante foi selecionada para análise e processada (redimensionamento uniforme, conversão para escala de cinza e corte de fundo).

A equipe desenvolveu um modelo de imagem de IRT usando um algoritmo avançado de aprendizado profundo. Dois modelos foram desenvolvidos para comparação: um era um modelo PTP (linha de base clínica) que incluía idade, gênero e características dos sintomas dos pacientes, e o outro era um híbrido, combinando IRT e informações clínicas dos modelos IRT e PTP, respectivamente.

Foram realizadas diversas análises de interpretação, incluindo experimentos de oclusão, visualização de mapas de realce, análises de dose-resposta e previsão de rótulos CAD substitutos. Além disso, diversas características da tabela IRT foram extraídas da imagem IRT, classificadas em nível de face inteira e região de interesse (ROI).

No geral, as características extraídas foram classificadas em textura de primeira ordem, textura de segunda ordem, temperatura e características de análise fractal. O algoritmo XGBoost integrou essas características extraídas e avaliou seu valor preditivo para CHD. Os pesquisadores avaliaram o desempenho usando todas as características e apenas as características de temperatura.

Um total de 893 adultos submetidos a CCTA ou ICA foram rastreados entre setembro de 2021 e fevereiro de 2023. Destes, 460 participantes com idade média de 58,4 anos foram incluídos; 27,4% eram mulheres e 70% tinham DAC. Pacientes com DAC apresentaram idade e prevalência de fatores de risco mais elevadas em comparação com pacientes sem DAC. O modelo de imagem IRT superou significativamente o modelo PTP.

No entanto, o desempenho dos modelos de imagem híbrido e IRT não apresentou diferença significativa. O uso apenas de características de temperatura ou de todas as características extraídas apresentou desempenho preditivo superior, o que foi consistente com o modelo de imagem IRT. No nível de toda a face, a diferença geral de temperatura da esquerda para a direita teve o maior impacto, enquanto no nível da ROI, a temperatura média da mandíbula esquerda teve o maior impacto.

Níveis variados de degradação do desempenho foram observados no modelo de imagem IRT ao ocluir diferentes ROIs. A oclusão da região do lábio superior e inferior teve o maior impacto. Além disso, o modelo de imagem IRT apresentou bom desempenho na previsão de marcadores substitutos associados à DAC, como hiperlipidemia, tabagismo, índice de massa corporal, hemoglobina glicada e inflamação.

O estudo demonstrou a viabilidade do uso de dados de temperatura facial obtidos por IRT para prever DAC. O modelo de imagem por IRT superou o modelo PTP recomendado pelas diretrizes, destacando seu potencial na avaliação de DAC. Além disso, a incorporação de informações clínicas ao modelo de imagem por IRT não proporcionou melhorias adicionais, sugerindo que as informações extraídas por IRT já continham informações importantes relacionadas à DAC.

Além disso, o valor preditivo do modelo IRT foi confirmado usando os recursos interpretáveis da tabela IRT, que foram relativamente consistentes com o modelo de imagem IRT. Esses recursos também forneceram informações sobre aspectos importantes para a previsão de cardiopatia congênita, como simetria da temperatura facial e irregularidade na distribuição. Estudos adicionais com amostras maiores e populações diversas são necessários para validação.